科技猎数据分析：数据埋点和回收规范文档
编辑导语：在数据分析业务中，我们需要找到产品相应的核心指标，确保数据埋点的正确性，并在需要进行数据回收时建立相应的规范文档。本篇文章里，作者就数据埋点过程、数据回收过程中等常见数据分析流程做了解读，一起来看一下。
一、产品核心指标建立（北极星指标）
产品要有一个关键的产品核心指标，核心指标能确定每次版本更新时需求的优先级。
核心指标的确定流程：
提取产品功能使用组合成漏斗，最上层的是流量入口，中层是产品使用和业务，最下层就是利润，做出这个漏斗模型，核心指标就能快速找到了，而能在产品使用和业务层级中对利润起到最大作用的就是产品的核心关键指标！
核心指标越高越好，整个产品的利润收入表现也就越好。
产品流程中存在对核心指标正向促进的功能与节点，也存在可能对核心指标进行阻塞但又不能砍掉的负向流程。
再把正向节点的和负向节点流程，分别罗列出来。
会发现有些节点和上述漏斗中的指标是重合的，把这些节点圈起来，这就是在埋点过程中要重点关注的。
二、普通数据指标
产品经理完整地画出产品地图和用户地图，然后标记每个节点，并对每个节点进行打点基本可以覆盖90%的点位所需。
产品地图绘制，需要从上而下的角度看待产品。产品本身就是许多页面的组合体，而页面是许多功能按钮的组合体，用户使用产品就是与各个页面、功能按钮的互动。
在初步策划一款产品或功能时，也是大致先建立出了产品框架，然后再在框架中填充功能。
以此思路可对产品来一次构建，可确定产品地图。
第一步 ，在工具上画出每个功能和对应页面，将产品的各个功能罗列在地图上，注意在绘制时需要区分页面的层级，首页在第一层级，次级页排列在下一层级，如此一一将整个产品的页面平铺绘制完成。
第二步 ，页面中的每个功能的触发会产生事件，有的事件可能是跳转页面，有的事件可能是触发弹窗，还有触发分享等。所以要对每个功能触发的页面跳转进行功能和页面的连接。
例如，通过功能A可到达页面B和页面C，那就分别在功能A到页面B、功能A到页面C之间画一条带箭头的线。而对触发弹窗的功能需在当前页面下的空白处绘制标记，分享等其他事件的也一一在触发页面底部进行标记绘制。
两步都完成后就完成了产品地图1.0的绘制。
当然产品地图的绘制也可以使用表格等方式进行产品地图绘制，但不管什么方式的绘制，都需要保证产品地图功能页面交互的的全面和清晰明确。
而在以后的每次版本更新中是也需要随时对产品地图进行更新，以保证产品地图的新鲜度。
在绘制完产品地图后，还需要绘制用户地图，两者相结合基本就可以保障产品和运营所需的信息无遗漏。
而用户体验地图就是通过一张图，用一种讲故事的方式，从一个或多个特定用户的视角出发，记录从用户来到产品到完成目标离开的全部过程。这个过程包括用户在每个场景中的触点、行为、结果。
此过程主要的难点在于抽离产品的角色成为一名特定的小白用户，否则绘制的用户地图就会不全面。
在完成产品地图和用户地图的绘制后，对每个节点进行点位标记，此时产品所需的点位就已经清晰地呈现出来了。
而在有了埋点数据之后还需要对埋点进行汇总整理，并对赋值点位参数补全埋点的参数特征，例如埋点上报哪些字段、字段代表的意义。
再结合运营所需数据对点位进行查缺补漏，一份最终完整的产品点位需求文档就完成了。
三、点位验证
在研发根据“埋点文档”进行埋点后，我们还需要保证点位的准确性，否则再完整的点位也是无用数据，没有任何的参考意义甚至还会造车误导。
在测试对点位进行抓包测试后，产品也需要进行点位的验证验收，最简单的办法之一：根据功能地图可发现，每个功能页面的入口有一个或多个，次数我们可以比对入口数据和最终页面进入数据，入口数据相加必然是等于最终页面数据的，当然是在网络和功能无bug的情况下。
而两者相加如发现不等于实际进入功能的人数，则说明打点有误，需要研发同学重新重新查找问题源头。
四、数据回收
每次数据回收，需要从大到小的就行数据回收，有产品层级至功能页面按钮层级，如此才能判断每次版本更新优化的效果和作用。
并且需要和前一版本的数据进行对比，功能上线后和上线前的数据进行对比。
1）核心数据信息
- 产品下载安装量（新版本数量，旧版本数量）；
- 注册用户数（注册率，新版本数量，旧版本数量）；
- 活跃用户（日/周/月活跃），新老用户在活跃中的占比；
- 留存数据（日/周/月留存）；
- 产品效益（日均产生流水，arppu，roi）；
- 关键指标（转化游戏用户比例，从成为用户到转化一名新安装玩家的比例）。
2）普通相关数据
- 注册：当日下载安装，当日新增注册数量，当日注册转化率；
- 留存：整个产品留存，关键功能留存；
- 用户关键行为：app活跃用户，app新安装用户，app活跃用户到达关键行为比例，app新安装用户到达关键行为比例（当日/周/月）；
- 转化漏斗，注册率漏斗，功能点击率漏斗，核心功能完成率漏斗，最终充值消费转化率率漏斗；
- 交互行为，功能访问路径漏斗情况，页面访问路径最多的情况数据，功能页面启动次数排序；
- 用户属性，设备终端占比（型号、品牌、版本等），网和运行分析（网速快慢），域占比分享，户基础画像分享。
五、注意事项
在数据分析中，往往会产生很多数据偏差或者假数据，导致数据错误的常见问题如下：
- 埋点定义不明确，同一个事件可能存在不同的触发方式，例如注册，点击按钮时做为触发进行上报，也可以在服务端事件注册后才计为触发事件，两个事件本身就存在很大的偏差。
- 采集方式带来的误差，前端采集一般会有一部分数据丢失，丢失率在5%左右属于正常范围。
- 需注意细化埋点需求，前期需求不明确，导致上线后获取的数据不是自己想要的，所以前期需求提出时就要细化并明确，尽量完整。
- 数据拉取需求不明确，需要需求发起方提交相关指标，并且告知，指标需要如何计算如何获得，并且与相关人员仔细确认保证数据拉取理解的一致性。
作者：琉璃三万顷；微信公众号：私人自留地
本文由 @琉璃三万顷 原创发布于人人都是产品经理。未经许可，禁止转载
题图来自Unsplash，基于CC0协议
